Pandas 在重复键上加入但不增加列数

Question

我正在尝试将我在 python 中导入的两个不同的数据帧与 Pandas 结合起来。它们是我做过的一些眼动追踪的结果。然而，其中一个包含用户注视的类和方法，这意味着对于每一行 dataframe1 有 dataframe2 有一个额外的。现在这不会发生在每一行中，所以我不能只复制行，但我的想法是每次 dataframe2 的索引有两个相同的索引时添加另一行。有点像这样：dataframe1 = pd.DataFrame({'index':[1,2,3],'a':['asd','fgh','qwe'],'b':['dsa','hgf','ewq'],'c':['sad','gfh','wqe']})dataframe1=dataframe1[['index','a','b','c']]dataframe1   index    a    b    c0      1  asd  dsa  sad1      2  fgh  hgf  gfh2      3  qwe  ewq  wqedataframe2 = pd.DataFrame({'index':[1,1,2,3,3],'d':['zxc','cxz','xzc','zxc','xcz']})dataframe2=dataframe2[['index','d']]dataframe2   index    d0      1  zxc1      1  cxz2      2  xzc3      3  zxc4      3  xcz预期结果：index, a, b, c, d1, asd, dsa, sad, zxc1, nan, nan, nan, cxz2, fgh, hgf, gfh, xzc3, qwe, ewq, wqe, zxc3, nan, nan, nan, xcz有什么内置函数可以使用吗？这些值也可以只是具有相同索引的前一行的值。

Answer 1

使用pd.merge一个额外cumcounted列：

u = df2.assign(cnt=df2.groupby('index').cumcount())

v = df.assign(cnt=df.groupby('index').cumcount())

u.merge(v, on=['index', 'cnt'], how='left').drop('cnt', 1)

   index    d    a    b    c

0      1  zxc  asd  dsa  sad

1      1  cxz  NaN  NaN  NaN

2      2  xzc  fgh  hgf  gfh

3      3  zxc  qwe  ewq  wqe

4      3  xcz  NaN  NaN  NaN

细节

我们为“索引”中的重复值引入了累积计数。

u = df2.assign(cnt=df2.groupby('index').cumcount())

u

   index    d  cnt

0      1  zxc    0

1      1  cxz    1

2      2  xzc    0

3      3  zxc    0

4      3  xcz    1

v = df.assign(cnt=df.groupby('index').cumcount())

v

   index    a    b    c  cnt

0      1  asd  dsa  sad    0

1      2  fgh  hgf  gfh    0

2      3  qwe  ewq  wqe    0

然后我们u在“index”和“cnt”上强制执行 LEFT JOIN wrt 。这样，在结果中引入了 NaN：

u.merge(v, on=['index', 'cnt'], how='left')

   index    d  cnt    a    b    c

0      1  zxc    0  asd  dsa  sad

1      1  cxz    1  NaN  NaN  NaN

2      2  xzc    0  fgh  hgf  gfh

3      3  zxc    0  qwe  ewq  wqe

4      3  xcz    1  NaN  NaN  NaN

最后一步是删除临时“cnt”列。

Answer 2

merge与mask和一起使用duplicated：

df = df2.merge(df1)

cols = ['index','a','b','c']

df[['a','b','c']] = df[cols].mask(df[cols].duplicated())[['a','b','c']]

print(df)

   index    d    a    b    c

0      1  zxc  asd  dsa  sad

1      1  cxz  NaN  NaN  NaN

2      2  xzc  fgh  hgf  gfh

3      3  zxc  qwe  ewq  wqe

4      3  xcz  NaN  NaN  NaN